打通分子宏微觀鴻溝40+任務(wù)超越SOTA，上智院開源Suiren-1.0模型

作者 | 燧人物質(zhì)大模型團(tuán)隊(duì)

編輯丨ScienceAI

在藥物研發(fā)與新材料設(shè)計(jì)領(lǐng)域，相對微觀的 3D 構(gòu)象動力學(xué)與相對宏觀的物化性質(zhì)之間，長期存在著難以貫通的尺度斷層。一個(gè)候選藥物能否成藥，不僅取決于其靜態(tài)的二維拓?fù)浣Y(jié)構(gòu)，更取決于其在溶液中千變?nèi)f化的三維構(gòu)象系綜；根據(jù)玻爾茲曼分布，分子在室溫下可能同時(shí)存在數(shù)十種乃至上百種低能構(gòu)象，而宏觀的溶解度、熔點(diǎn)、毒性等關(guān)鍵性質(zhì)，正是這些構(gòu)象的系綜平均結(jié)果。

然而，傳統(tǒng)的 AI 分子模型陷入了尷尬的二元割裂：3D 分子模型雖然具備量子精度的微觀表征能力，卻困于幾何空間的「信息孤島」，缺乏跨化學(xué)空間的泛化性，從而無法有效預(yù)測宏觀性質(zhì)；2D 分子模型雖能通過自監(jiān)督等方法學(xué)習(xí)二維拓?fù)湫畔?，卻無法有效感知構(gòu)象分布，成為「構(gòu)象盲人」，在預(yù)測與立體化學(xué)緊密相關(guān)的性質(zhì)時(shí)頻頻失效。這種微觀與宏觀的割裂，迫使研發(fā)人員必須在「昂貴的量子計(jì)算」與「粗粒度的統(tǒng)計(jì)近似」之間做出痛苦抉擇。

為此，上?？茖W(xué)智能研究院（下稱上智院）于近日發(fā)布并開源18 億參數(shù)的燧人分子基礎(chǔ)大模型 ——Suiren-1.0，首次在算法層面架起了從微觀三維構(gòu)型到宏觀統(tǒng)計(jì)性質(zhì)之間的橋梁。由此，燧人物質(zhì)科學(xué)系列模型的基座層、功能層、應(yīng)用層整體建成并打通，并將由上智院孵化企業(yè)「格物智研」負(fù)責(zé)產(chǎn)業(yè)化落地。

Suiren-1.0 的技術(shù)報(bào)告已發(fā)布，模型權(quán)重及評估基準(zhǔn)全面開放。這不僅意味著化學(xué)家、材料科學(xué)家與藥物研發(fā)人員可免費(fèi)獲得這一橫跨微觀量子力學(xué)與宏觀實(shí)驗(yàn)性質(zhì)的統(tǒng)一基座模型，也使分子科學(xué)中從微觀量子態(tài)到宏觀性質(zhì)的建模任務(wù)，首次得以在同一框架下進(jìn)行統(tǒng)一處理與比較分析，從而為多尺度分子建模（如原子尺度的電子云分布、反應(yīng)釜尺度的物質(zhì)性質(zhì)）提供了新的基礎(chǔ)工具。

• Suiren 1.0 技術(shù)報(bào)告：https://arxiv.org/abs/2603.21942
• 3D 構(gòu)象模型開源地址：https://github.com/golab-ai/Suiren-Foundation-Model
• 2D 構(gòu)象平均模型開源地址：https://github.com/golab-ai/Suiren-Property-Prediction

作為燧人物質(zhì)大模型的基座層，Suiren-1.0 并非單一的預(yù)測工具，而是一個(gè)「多位一體的分子智能系統(tǒng)」，由三個(gè)專精模型組成：Suiren-Base（18 億參數(shù) 3D 等變基礎(chǔ)模型，專攻有機(jī)小分子微觀量子表征）、Suiren-Dimer（專攻分子間相互作用與溶劑化效應(yīng)）以及 Suiren-ConfAvg（通過擴(kuò)散蒸餾獲得的輕量化宏觀性質(zhì)預(yù)測專家）。通過創(chuàng)新的「構(gòu)象壓縮蒸餾」技術(shù)，Suiren-1.0 在業(yè)界首次實(shí)現(xiàn)了從 3D 量子力學(xué)空間到 2D 分子拓?fù)淇臻g的知識遷移，在涵蓋藥物、材料、能源、化工等 8 大科學(xué)領(lǐng)域的 40 余項(xiàng)分子性質(zhì)預(yù)測任務(wù)中均達(dá)到 SOTA（State-of-the-Art）水平，并在其中 20 余項(xiàng)任務(wù)上實(shí)現(xiàn)超過 20% 的性能提升，部分熱力學(xué)性質(zhì)預(yù)測誤差降低高達(dá) 67%。

Suiren-1.0 技術(shù)路線：三階段建?？蚣埽瑯蚪尤S構(gòu)象與綜合表征

第一階段：微觀基礎(chǔ)預(yù)訓(xùn)練（Suiren-Base & Suiren-Dimer）

Suiren-Base是一個(gè)擁有 18 億參數(shù)的大型 SO (3)/SE (3) 等變圖神經(jīng)網(wǎng)絡(luò)，采用稠密混合專家架構(gòu)（MoE），集成 20 個(gè) S2Activation 專家與 20 個(gè) EST（Equivariant Spherical Transformer）專家。該模型在 7000 萬組 DFT（密度泛函理論）第一性原理數(shù)據(jù)（Qo2mol 數(shù)據(jù)集）上進(jìn)行有監(jiān)督和 EMPP（Equivariant Masked Position Prediction）自監(jiān)督混合預(yù)訓(xùn)練，精準(zhǔn)捕捉單分子 3D 構(gòu)象的量子力學(xué)特征。模型在原子級能量預(yù)測上達(dá)到 0.258 meV 的 MAE，力場預(yù)測達(dá)到 0.510 meV/?，較傳統(tǒng)模型大幅降低了誤差。

針對藥物設(shè)計(jì)中的分子間相互作用難題，團(tuán)隊(duì)進(jìn)一步推出Suiren-Dimer，在 1350 萬組分子二聚體數(shù)據(jù)上繼續(xù)預(yù)訓(xùn)練（Continue Pre-Training），專門攻克長程相互作用、溶劑化效應(yīng)與蛋白 - 配體結(jié)合等復(fù)雜場景，填補(bǔ)了單體模型在描述真實(shí)生理環(huán)境時(shí)的空白。

第二階段：從 3D 到 2D 的構(gòu)象壓縮蒸餾（Suiren-ConfAvg）

這是 Suiren-1.0 最具革命性的技術(shù)創(chuàng)新。團(tuán)隊(duì)提出了構(gòu)象壓縮蒸餾（Conformation Compression Distillation, CCD) 的全新方法，并構(gòu)建了一個(gè)基于擴(kuò)散模型的特征蒸餾框架。該框架巧妙地解決了「一對多」的分子 - 構(gòu)象映射難題：通過將 Suiren-Base 作為教師模型，凍結(jié)其權(quán)重，訓(xùn)練一個(gè)輕量化的 2D 圖神經(jīng)網(wǎng)絡(luò)（GAT）作為學(xué)生模型。在擴(kuò)散過程中，首先通過接受二維拓?fù)涞膱D神經(jīng)網(wǎng)絡(luò)提取分子宏觀嵌入，再將這種嵌入與構(gòu)象能量作為條件輸入給擴(kuò)散模型，逐步去噪重構(gòu)出 Suiren-Base 的 3D 構(gòu)象表征與原子坐標(biāo)。

這一過程如同將復(fù)雜的 3D 構(gòu)象系綜「蒸餾」為一瓶濃縮的精華，Suiren-ConfAvg也由此誕生。它不僅繼承了 Suiren-Base 的量子力學(xué)直覺，更具備從 SMILES 或分子圖直接生成構(gòu)象平均表征的能力，實(shí)現(xiàn)了從「分子圖紙」到「真實(shí)物性」的直接映射，而無需耗時(shí)的 3D 構(gòu)象采樣。

第三階段：雙圖神經(jīng)網(wǎng)絡(luò)微調(diào)（DGNN）

在下游任務(wù)微調(diào)中，Suiren-1.0 采用了雙圖神經(jīng)網(wǎng)絡(luò)（Dual Graph Neural Network, DGNN）架構(gòu)。該架構(gòu)包含兩個(gè)并行子網(wǎng)：凍結(jié)的 Suiren-ConfAvg 提供預(yù)訓(xùn)練的宏觀結(jié)構(gòu)先驗(yàn)，隨機(jī)初始化的任務(wù)特定 GNN 負(fù)責(zé)學(xué)習(xí)領(lǐng)域特異性特征。這種「凍結(jié) + 微調(diào)」的雙塔結(jié)構(gòu)既防止了災(zāi)難性遺忘，又保證了足夠的任務(wù)適配容量，使得模型可以被應(yīng)用到僅有少量標(biāo)注數(shù)據(jù)的場景。

實(shí)戰(zhàn)能力：跨尺度分子性質(zhì)預(yù)測與外推泛化表現(xiàn)

為系統(tǒng)驗(yàn)證 Suiren 1.0 的整體能力，研究團(tuán)隊(duì)構(gòu)建了 MoleHB（Molecular Handbook Benchmark）綜合基準(zhǔn)測試集，涵蓋40 余項(xiàng)分子性質(zhì)預(yù)測任務(wù)，覆蓋安全性質(zhì)、表面性質(zhì)、熱性質(zhì)、溶解性質(zhì)等八大領(lǐng)域。該基準(zhǔn)在任務(wù)設(shè)計(jì)與評測指標(biāo)上充分對齊當(dāng)前分子機(jī)器學(xué)習(xí)領(lǐng)域的通行設(shè)置與主流評價(jià)體系。

在MoleHB 基準(zhǔn)測試中，Suiren-ConfAvg 在39/42 項(xiàng)性質(zhì)上取得最佳 MAE（平均絕對誤差），展現(xiàn)出了「跨尺度」實(shí)戰(zhàn)能力，子任務(wù)示例：

• 臨界與飽和性質(zhì)：臨界體積預(yù)測誤差降低 48.88%，臨界溫度降低 28.47%；
• 熱力學(xué)與能量性質(zhì)：生成焓預(yù)測誤差降低 46.04%，吉布斯自由能降低 44.21%；
• 安全與物性：閃點(diǎn)預(yù)測提升 17.33%，液體熱容降低 28.43%，固體熱容更是實(shí)現(xiàn) 67.40% 的大幅提升；

在TDC 基準(zhǔn)的藥物 ADMET測試上：Suiren-ConfAvg 在8/18 項(xiàng)達(dá)到 SOTA，包括人體腸道吸收率（HIA）、P - 糖蛋白抑制等成藥性關(guān)鍵指標(biāo)。其它任務(wù)也表現(xiàn)出與 SOTA 非常接近的水準(zhǔn)。

在所有任務(wù)上，研究團(tuán)隊(duì)使用完全一致的訓(xùn)練超參和架構(gòu)，沒有經(jīng)過任何超參搜索。這種結(jié)果更強(qiáng)調(diào)了 Suiren-ConfAvg 的穩(wěn)定性。研究團(tuán)隊(duì)也將所有微調(diào)訓(xùn)練腳本開源，在單張 RTX 4090 顯卡就可以完成微調(diào)，供社區(qū)在自己的數(shù)據(jù)集上使用。

MoleHB 評測結(jié)果對比，涵蓋了常見化學(xué)領(lǐng)域的性質(zhì)

為了驗(yàn)證模型的真實(shí)泛化能力，團(tuán)隊(duì)在 MoleHB 尺寸拆分 (Size-Stratified Split) 設(shè)置下進(jìn)行了測試 —— 該設(shè)置將訓(xùn)練集與測試集按分子尺寸大小分離，使得驗(yàn)證集包含大量 OOD 的數(shù)據(jù)。結(jié)果顯示，Suiren-ConfAvg 展現(xiàn)出分布外泛化能力：在生成焓預(yù)測上，相比最佳基線提升 90.98%；在亥姆霍茲自由能上提升 91.20%；在臨界溫度上提升 69.07%。這組外推實(shí)驗(yàn)證明了 Suiren-ConfAvg 預(yù)訓(xùn)練模型學(xué)到的并非表面的幾何特征，而是深層的原子間相互作用規(guī)律。

結(jié)語：面向分子科學(xué)的科研智能基礎(chǔ)設(shè)施

作為燧人物質(zhì)科學(xué)系列模型的重要成員，Suiren-1.0 并非孤立存在。作為模型家族的基座層，它為分子生成、多尺度性質(zhì)預(yù)測等功能模型提供了對原子結(jié)構(gòu)、分子行為及電子軌道等物理特征的統(tǒng)一表征能力，從而支撐從分子設(shè)計(jì)到性質(zhì)預(yù)測的完整建模流程，并與其他功能模型一起成為支撐化學(xué)、材料等不同領(lǐng)域創(chuàng)新應(yīng)用的關(guān)鍵引擎。

在微觀與宏觀相互交織的分子世界中，燧人團(tuán)隊(duì)嘗試將科學(xué)機(jī)理與人工智能系統(tǒng)相結(jié)合，深入理解化學(xué)世界，拓展研究者的探索空間。隨著 Suiren-1.0 的開源，這一體系也正進(jìn)入更廣泛的科研社區(qū)，在生物醫(yī)藥與合成生物學(xué)等方向中提供可直接使用的多尺度建模工具。